字节跳动洽谈联发科AI芯片：定制ASIC能否撑起中国算力一片天|AI自学笔记

10月15日，据彭博社报道，字节跳动正与联发科深入洽谈定制芯片供货事宜，这批芯片将用于支撑字节跳动数据中心运行。如果交易落地，字节跳动或将成为联发科ASIC（专用集成电路）业务继谷歌之后的第二大客户。这笔谈判折射出中国科技企业在出口管制压力下的算力突围路径，也将深刻改变数据中心AI芯片的竞争格局。

一笔交易背后的算力困局

字节跳动是中国最大的互联网公司之一，旗下拥有抖音、TikTok、豆包等日活数亿的AI驱动产品，对算力的需求极为庞大。但自2022年以来，美国对华高端AI芯片出口管制不断收紧，英伟达H100、H200等旗舰产品无法进入中国市场。字节跳动和阿里巴巴、腾讯一样，被迫在「合规芯片」与「自研替代」两条路上寻找出路。

联发科此时浮出水面并非偶然。这家全球第四大芯片设计公司（仅次于高通、英伟达、博通）在移动SoC市场占据半壁江山，近年来正大力布局数据中心AI芯片赛道。与通用GPU不同，ASIC专为特定客户的模型架构和工作负载定制，在特定场景下能实现更高能效比，同时成本更具竞争力。

联发科的XPU架构：数据中心的新面孔

联发科在2024年正式推出「Data Center Solutions」业务线，核心产品是基于XPU架构的AI加速器。与通用GPU相比，XPU从底层设计起就瞄准AI workloads，专为大规模并行张量计算、矩阵运算和稀疏计算优化。

根据联发科官方技术文档，XPU的关键特性包括：

与先进封装（2.5D/3.5D集成）协同设计，突破单芯片物理极限
搭配HBM（高带宽内存），满足大模型训练与推理的内存带宽需求
支持共封装光学（CPO），解决AI数据中心内部高速通信的功耗与带宽瓶颈
覆盖训练与推理全生命周期，已可面向客户输出端到端定制方案

联发科的Custom ASIC服务允许客户从零定义芯片规格，覆盖从架构设计到量产交付的全流程。这种模式已服务于谷歌等国际大客户，谷歌自研TPU即为定制ASIC的标杆案例。

对决高通：数据中心AI芯片的玩家版图

联发科在数据中心面临的最直接竞争对手是高通。高通Cloud AI 100系列是目前市面上少有的非英伟达AI推理加速方案，单芯片最高可达400 TOPS，采用7nm工艺，支持PCIe 4.0，已在部分云服务商中部署。但高通的方案主要针对推理场景，在大规模训练能力上仍有短板。

联发科的XPU定位则更为宽泛，兼顾训练与推理，其2.5D/3.5D封装技术被视为下一代AI芯片的主流方向。两家公司的竞争，本质上是「移动芯片王者」向数据中心领域的全面迁移。

为什么互联网大厂都在「造芯」

字节跳动并非孤例。谷歌TPU、亚马逊Trainium/Inferentia、Meta MTIA、微软Maia——全球主要互联网大厂过去五年间掀起了一场自研AI芯片浪潮。其背后的逻辑有三：

第一，成本优化：通用GPU价格高昂，大规模部署时芯片采购成本占数据中心TCO的30%-40%，定制ASIC可将每token算力成本削减50%以上。

第二，软硬协同：自研芯片可与公司自有的模型架构、推理框架深度整合，避免通用芯片在特定模型上的效率损失。联发科Custom ASIC正是提供这种端到端协同设计的路径。

第三，供应安全：在出口管制新常态下，依赖英伟达意味着供应链随时可能被截断。拥有替代方案，是字节跳动等公司的战略必修课。

数据对比：定制ASIC赛道主要玩家

厂商	代表产品	工艺节点	目标场景	主要优势
英伟达	H100/H200	4nm/3nm	训练+推理	生态最完整，CUDA壁垒高
谷歌	TPU v5	4nm	训练+推理	自用为主，成本最优
高通	Cloud AI 100	7nm	推理为主	能效比出色，PCIe即插即用
联发科	XPU + Custom ASIC	先进封装	训练+推理	2.5D/3.5D封装，HBM集成
亚马逊	Trainium2	3nm	训练+推理	云原生，成本低
微软	Maia 100	5nm	推理	Azure云深度集成

小结：突围之后，新的选择题

字节跳动与联发科的谈判如果最终落定，意味着中国算力突围多了一条现实路径：通过定制ASIC在部分场景替代受管制的英伟达芯片，同时保持成本竞争力。

但这条路的挑战同样清晰：定制ASIC从设计到量产通常需要18-24个月，字节跳动的数据中心算力缺口能否等得起，是一个现实问题。联发科的XPU能否在能效和生态上与英伟达正面竞争，也还需要量产验证。

无论结局如何，这笔谈判本身已经说明：在AI芯片的战场上，「造芯」不再是可选项，而是生存题。

FAQ

问：什么是ASIC？和GPU有什么区别？

ASIC（专用集成电路）是针对特定应用定制的芯片，GPU（图形处理器）则是通用并行计算芯片。GPU最初为图形渲染设计，后被发现适合AI计算，但并非最优解。ASIC可为客户的特定模型架构、散热条件、功耗预算量身设计，在目标场景下实现更高效率，但灵活性较低，开发周期更长。

问：字节跳动为什么选择联发科而不是自己造芯？

自研AI芯片需要数百名芯片工程师、数十亿美元投入，以及至少2-3年的开发周期。字节跳动虽有自研芯片的传闻（字节旗下有芯片团队），但在紧急算力需求面前，与已有数据中心芯片能力的联发科合作，可以显著缩短「有芯可用」的等待时间。

问：联发科的定制ASIC能为字节跳动提供什么水平的算力？

目前公开信息尚未披露具体芯片规格。根据联发科官方披露，XPU支持HBM高带宽内存、2.5D/3.5D封装，可覆盖大模型推理及中轻度训练场景。对于字节跳动而言，这套方案至少可以在部分推理任务上提供与H100相近的算力，同时规避出口管制风险。

延伸阅读

AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。

继续读

同一批更新里这几篇值得一看：

想快速查定义？对应的词条在这里：

AI Agent词条 · AI 自学笔记

字节跳动洽谈联发科AI芯片：定制ASIC能否撑起中国算力一片天